機器學習分類模型或檢查的結果，可以用預測與實際的四種組合的件數（混淆矩陣）來表示，本工具由此計算評估指標。要重視哪個指標，取決於漏判（偽陰性）與誤判（偽陽性）哪一種的代價較大。
收藏與最近使用的工具只儲存在這個瀏覽器（localStorage）中。
準確率雖高，但召回率低，漏掉了大部分的陽性。在陽性很少（不平衡）的資料上，請勿只以準確率評估。
分母為 0 的指標（例如沒有任何預測為陽性時的精確率）會顯示為「–」。MCC 的值介於 −1 到 1，1 代表完美的預測，0 代表與隨機預測差不多。
其他輸入維持目前的值，只讓選擇的輸入在目前值的 1/4 到 4 倍之間變化時的結果。紅點是目前的值。
混淆矩陣是把二元分類的結果，依實際的類別（陽性・陰性）與預測（陽性・陰性）的組合分成四格來計數的表。陽性正確預測為陽性稱為真陽性（TP），陽性預測為陰性的漏判稱為偽陰性（FN），陰性預測為陽性的誤判稱為偽陽性（FP），陰性正確預測為陰性稱為真陰性（TN）。在範例「垃圾郵件判定」中，50 封垃圾郵件找出了 40 封（TP = 40、FN = 10），150 封一般郵件中有 20 封被誤判為垃圾郵件（FP = 20、TN = 130）。
精確率 = TP ÷ (TP + FP)，是預測為陽性者之中真正為陽性的比例，代表誤判的少寡。召回率 = TP ÷ (TP + FN)，是實際陽性之中被預測為陽性的比例，代表漏判的少寡。範例中精確率為 40 ÷ 60 ≒ 66.67%，召回率為 40 ÷ 50 = 80%。降低判定的門檻通常會提高召回率，但誤判增加、精確率下降，兩者是取捨（trade-off）的關係。
F1 分數是精確率與召回率的調和平均，為 2 × 精確率 × 召回率 ÷ (精確率 + 召回率)。只要其中一方偏低，F1 分數也會偏低，因此能用一個數字看出兩者的平衡。範例中為 2 × 0.6667 × 0.8 ÷ 1.4667 ≒ 72.73%。在漏判代價較大的疾病篩檢等情況，會使用把召回率加重 β 倍的 Fβ 分數 = (1 + β²) × 精確率 × 召回率 ÷ (β² × 精確率 + 召回率)。
準確率 = (TP + TN) ÷ 總數 雖然容易理解，但在陽性極少的資料上派不上用場。在範例「全部預測為陰性」中，即使 10 件陽性全部漏判，準確率仍有 990 ÷ 1000 = 99%，召回率卻是 0%。這時應改用召回率、精確率、F1 分數，或是把陽性與陰性各自的正確率平均的平衡準確率，以及使用全部四個件數的馬修斯相關係數（MCC）來評估。
正確答案：C. 精確率0.90，召回率0.50
精確率（precision）是預測為陽性者中實際為陽性的比例，TP ÷ (TP + FP) = 45 ÷ 50 = 0.90。召回率（recall）是實際為陽性者中被預測為陽性的比例，TP ÷ (TP + FN) = 45 ÷ 90 = 0.50。這個模型判為陽性者幾乎都正確，但漏掉了一半的陽性。準確率為 (45 + 105) ÷ 200 = 0.75。
正確答案：C. 99%
全部預測為陰性時，990筆陰性全部正確，10筆陽性全部錯誤，因此準確率為 990 ÷ 1000 = 99%。另一方面，因為連1筆陽性都找不到，召回率為0%，若目的是像偵測疾病或詐欺那樣找出陽性，就派不上用場。像這樣類別比例嚴重偏斜的資料（不平衡資料），不能只用準確率評估，而要一併參考精確率、召回率、F1分數等。也有加重少數類別之錯誤權重，或使各類別資料數量一致之抽樣等對策。
依各種錯誤的代價決定。像疾病篩檢或詐欺偵測這類漏判（偽陰性）代價大的情況，應重視召回率；像垃圾郵件判定把重要郵件誤判為垃圾郵件（偽陽性）代價大的情況，則應重視精確率。
召回率在醫學領域稱為敏感度（真陽性率），是同一個指標。特異度 = TN ÷ (TN + FP)，是能把陰性正確判定為陰性的比例，偽陽性率 = 1 − 特異度。ROC 曲線是改變門檻時，以偽陽性率為橫軸、召回率為縱軸所畫出的圖。
對每個類別，把「該類別視為陽性、其他視為陰性」做出二元混淆矩陣，求出精確率、召回率與 F1 分數。把這些值直接平均的是巨觀平均（macro average），先把所有類別的 TP、FP、FN 加總再計算的是微觀平均（micro average）。
常見的題目是由混淆矩陣的件數計算準確率、精確率、召回率與 F1 分數，或說明為什麼在不平衡資料上準確率不可靠。這是機器學習課程與資料科學面試的基本題。
混淆矩陣（Confusion matrix） 精確率與召回率（Precision and recall） 過擬合（Overfitting）